Category: လမ်းညွှန်

R တွင်ရှိသော vector တစ်ခုမှ သီးခြားဒြပ်စင်များကို ဖယ်ရှားရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်- #remove 'a', 'b', 'c' from my_vector my_vector[! my_vector %in% c('a', 'b, 'c')] အောက်ပါဥပမာများသည် ဤ syntax ကိုလက်တွေ့တွင်မည်သို့အသုံးပြုရမည်ကိုပြသထားသည်။ ဥပမာ 1- character vector မှ အစိတ်အပိုင်းများကို ဖယ်ရှားပါ။ အောက်ပါကုဒ်သည် R ရှိ စာလုံး vector တစ်ခုမှ အစိတ်အပိုင်းများကို ဖယ်ရှားနည်းကို...

တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော ကိန်းရှင်များသည် တုံ့ပြန်မှုကိန်းရှင်များစွာကို မည်ကဲ့သို့ အကျိုးသက်ရောက်သည်ကို ခွဲခြမ်းစိတ်ဖြာရန် MANOVA (မူကွဲကွဲပြားမှုအမျိုးမျိုးကို ခွဲခြမ်းစိတ်ဖြာခြင်း) ကို အသုံးပြုသည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့သည် ပညာရေးအဆင့် (အထက်တန်းဒီပလိုမာ၊ တွဲဘက်ဘွဲ့၊ ဘွဲ့၊ မဟာဘွဲ့) သည် နှစ်စဉ်ဝင်ငွေနှင့် ကျောင်းသားချေးငွေ စုစုပေါင်းကြွေးမြီအပေါ် မည်ကဲ့သို့ အကျိုးသက်ရောက်သည်ကို ခွဲခြမ်းစိတ်ဖြာရန် MANOVA ကို အသုံးပြုနိုင်သည်။ ဆက်စပ်- ANOVA၊ ANCOVA၊ MANOVA နှင့် MANCOVA အကြား ကွာခြားချက်များ ကျွန်ုပ်တို့ MANOVA ကို...

R တွင် ကွက်ကွက်များပေါ်တွင် superscripts သို့မဟုတ် subscripts များကိုထည့်ရန် အောက်ပါအခြေခံအထားအသိုကိုသုံးနိုင်သည်။ #define expression with superscript x_expression <- expression(x^ 3 ~ variable ~ label) #define expression with subscript y_expression <- expression(y[ 3 ] ~ variable ~ label) #add expressions to axis labels plot(x, y, xlab...

iris dataset သည် မတူညီသောမျိုးစိတ် 3 ခုမှ ပန်း 50 အတွက် မတူညီသော attribute 4 ခု (စင်တီမီတာအတွင်း) တွင် တိုင်းတာမှုများပါရှိသော R တွင် ပေါင်းစပ်ထားသော dataset တစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာတွင် iris ဒေတာအတွဲကို နမူနာအဖြစ် အသုံးပြု၍ R တွင် ဒေတာအတွဲတစ်ခုကို စူးစမ်းပြီး အကျဉ်းချုပ်ပုံကို ရှင်းပြထားသည်။ ဆက်စပ်- R ရှိ mtcars Dataset အတွက် ပြီးပြည့်စုံသော လမ်းညွှန် Iris...

ကိန်းဂဏန်းစာရင်းဇယားများတွင် ဆက်စပ်ဆက်နွယ်မှုသည် ကိန်းရှင်နှစ်ခုကြားရှိ ဆက်နွယ်မှု၏ ခွန်အားနှင့် ဦးတည်ချက်ကို ရည်ညွှန်းသည်။ ဆက်စပ်ကိန်း၏တန်ဖိုးသည် -1 မှ 1 အထိ၊ အောက်ပါအဓိပ္ပာယ်ဖွင့်ဆိုချက်များဖြင့် ကွာနိုင်သည်။ -1- ကိန်းရှင်နှစ်ခုကြား ပြီးပြည့်စုံသော အနုတ်လက္ခဏာ ဆက်ဆံရေး 0- ကိန်းရှင်နှစ်ခုကြား ဆက်စပ်မှုမရှိပါ။ 1- ကိန်းရှင်နှစ်ခုကြားတွင် ပြီးပြည့်စုံသော အပြုသဘောဆောင်သောဆက်ဆံရေး အထူးဆက်နွယ်မှုအမျိုးအစားကို Spearman’s rank correlation ဟုခေါ်သည်၊ ၎င်းသည် အဆင့်သတ်မှတ်ထားသောကိန်းရှင်နှစ်ခုကြားရှိဆက်စပ်မှုကိုတိုင်းတာရန်အသုံးပြုသည်။ (ဥပမာ၊ ကျောင်းသားတစ်ဦး၏ သင်္ချာစာမေးပွဲရမှတ် အဆင့်သည် အတန်းတစ်တန်းရှိ ၎င်းတို့၏ သိပ္ပံစာမေးပွဲရမှတ် အဆင့်နှင့်...

စံသွေဖည်မှုကို နမူနာတစ်ခုတွင် တန်ဖိုးများ ဖြန့်ဖြူးမှုကို တိုင်းတာရန် အသုံးပြုသည်။ ပေးထားသော နမူနာတစ်ခု၏ စံသွေဖည်မှုကို တွက်ချက်ရန် အောက်ပါဖော်မြူလာကို အသုံးပြုနိုင်ပါသည်။ √ Σ(x i – x bar ) 2 / (n-1) ရွှေ- ∑- “ပေါင်း” ဟူသော သင်္ကေတ၊ x i : နမူနာ၏ ith တန်ဖိုး x bar : နမူနာကိုဆိုလိုသည်။ n: နမူနာအရွယ်အစား စံသွေဖည်တန်ဖိုး မြင့်မားလေ၊...

စံသွေဖည်မှုကို ဒေတာအစုတစ်ခုအတွင်း တန်ဖိုးများဖြန့်ဖြူးမှုကို တိုင်းတာရန် အသုံးပြုသည်။ တစ်ဦးချင်းနှင့် လုပ်ငန်းများသည် ဒေတာအစုံများကို ပိုမိုကောင်းမွန်စွာ နားလည်ရန် မတူညီသောနယ်ပယ်များတွင် စံသွေဖည်မှုကို အချိန်တိုင်း အသုံးပြုကြသည်။ အောက်ဖော်ပြပါ ဥပမာများသည် မတူညီသော လက်တွေ့ကမ္ဘာအခြေအနေများတွင် စံသွေဖည်မှုကို မည်သို့အသုံးပြုကြောင်း ရှင်းပြထားသည်။ ဥပမာ 1- မိုးလေဝသခန့်မှန်းချက်များတွင် စံသွေဖည်ခြင်း။ စံသွေဖည်မှုကို မတူညီသောမြို့များတွင် နေ့စဉ်နှင့်လအလိုက် အပူချိန်ပြောင်းလဲမှုပမာဏကို နားလည်ရန် ရာသီဥတုခန့်မှန်းရာတွင် တွင်ကျယ်စွာအသုံးပြုပါသည်။ ဥပမာအားဖြင့်: တစ်နှစ်ပတ်လုံး အပူချိန် စံနှုန်းအနည်းငယ် ကွာဟချက်ရှိသော မြို့တစ်မြို့တွင် အလုပ်လုပ်သော မိုးလေဝသပညာရှင်သည် အပူချိန်သည်...

NumPy ကိုအသုံးပြုရာတွင် သင်ကြုံတွေ့ရနိုင်သည့် အမှားတစ်ခုမှာ- AttributeError: 'numpy.ndarray' object has no attribute 'append' စံ Python append() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ NumPy အခင်းအကျင်းတစ်ခု၏ အဆုံးတွင် တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသော တန်ဖိုးများကို ပေါင်းထည့်ရန် ကြိုးပမ်းသည့်အခါ ဤအမှားသည် ဖြစ်ပေါ်လာပါသည်။ NumPy တွင် နောက်ဆက်တွဲ attribute မပါသောကြောင့် error တစ်ခုပေါ်လာပါသည်။ ၎င်းကိုဖြေရှင်းရန်၊ ၎င်းအစား np.append() ကို အသုံးပြုသင့်သည်။ အောက်ဖော်ပြပါ ဥပမာသည်...

CSV ဖိုင်ကို NumPy တွင် မှတ်တမ်းများ အစုံအလင်သို့ ဖတ်ရန် အောက်ပါ အခြေခံ အထားအသိုကို သုံးနိုင်သည်။ from numpy import genfromtxt my_data = genfromtxt(' data.csv ', delimiter=' , ', dtype= None ) အောက်ဖော်ပြပါ အဆင့်ဆင့် ဥပမာသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။ အဆင့် 1- CSV ဖိုင်ကို ကြည့်ရှုပါ။ ကျွန်ုပ်တို့တွင်...

Pandas DataFrame တွင် ကော်လံအမည်များအားလုံးကို စာရင်းပြုစုရန် အောက်ပါနည်းလမ်းလေးခုထဲမှ တစ်ခုကို သင်အသုံးပြုနိုင်သည်- နည်းလမ်း 1: ချိတ်အသုံးပြုခြင်း။ [column for column in df] နည်းလမ်း 2- tolist() ကိုသုံးပါ df. columns . values . tolist () နည်းလမ်း 3- အသုံးပြုရန်စာရင်း() list(df) နည်းလမ်း 4- ကော်လံတန်ဖိုးများနှင့်အတူ list() ကိုသုံးပါ။ list(df. columns . values )...